محمد تقی حاجی علی محمد نجار - دکتری مهندسی صنایع، دانشکده صنایع دانشگاه علم وصنعت ایران
کامران شهانقی - استادیار مهندسی صنایع، دانشکده صنایع دانشگاه علم وصنعت ایران

تخمین زمان تکمیل (EAC) پروژه به عنوان یکی از مسایل مهم در مدیریت پروژه شناخته می شود . همچنین از طرفی یکی از ویژگی های اساسی در پروژه های مختلف روند دینامیکی آنها است. در این مقاله یک روش مبتنی بر انزمبل از ماشینهای یادگیری برای تخمین زمان انجام پروژه ارایه شده است. همچنین ویژگیهای اساسی و مهم EVM در روند پیشرفت پروژه نیز مد نظر قرار گرفته است. در این مدل هر ماشین یادگیری به صورت دینامیک روند اجرای پروژه را یاد میگیرد. در ادامه انزمبلی ای از این ماشینهای یادگیری برای تخمین زمان اجرای پروژه بر اساس الگوریتم K نزدیکترین همسایه استفاده می گردد. این ماشینهای یادگیری در تخمین نتایج نهایی با سیاست انتخاب با یکدیگر تعامل دادند. قابلیت اطمینان بالاتر و تعمیم پذیری همچنین رباست بودن نسبت به نویز در مقاب یک مدل مجرد ز ویژگی های مهم این روش است. کنترل قابلیت اطمینان سیستم با استفاده از ماشینهای یادگیری قویتر در انزمبل و همچنین توانایی این مدل در مدیریت نمودن تخمین زنهای ضعیف موجود در انزمبل از دیگر ویژگی های مهم این روش هستند.در پایان یک کد نرم افزاری ایجاد شده است که قابلیت اتصال به نرم افزار MSP را فراهم می کند.

تخمین زمان تکمیل، مدیریت ارزش حاصله، انزمبل K نزدیکترین همسایه